自动驾驶

MR-LiDAR: A Multi-Resolution Roadside LiDAR Benchmark for Perception Diagnostics and Deployment Guidance

MR-LiDAR：用于感知诊断和部署指导的多分辨率路边激光雷达基准

Shunlai Cui, Peng Cao, Yuan Zhu, Yongjiang He, Jiacheng Yin, Xiao Huo, Gang Cao, Xiaobo Liu

机构 * Intelligent Comprehensive Transportation Key Laboratory of Sichuan Province（四川省智能综合交通运输重点实验室） 纠错

专题命中 激光雷达 ：LiDAR(title,title_cn)；分类 cs.RO

AI总结 针对激光雷达选型缺乏实证基准的问题，提出MR-LiDAR多分辨率基准，通过控制光束数和分布等变量，系统分析其对感知性能的影响，并给出选型指导。

Comments 9 pages, 6 figures

Ghosts in the Point Clouds: De-glaring LiDAR in the Transient Domain

点云中的鬼影：瞬态域中的LiDAR去眩光

Avery Gump, Connor Henley, Sungjin Cheong, Akarsh Prabhakara, Mohit Gupta

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

专题命中 激光雷达 ：LiDAR(title,title_cn)；分类 cs.CV

AI总结 针对固态LiDAR内部多径眩光导致的伪影问题，提出基于瞬态眩光扩散函数（TGSF）的物理模型和无训练算法，在点云形成前抑制眩光，保留真实场景结构。

Comments CVPR 2026

Neuromorphic LiDAR-based Bird's Eye View Object Detection using Energy-efficient Spiking Neural Networks

基于神经形态激光雷达的鸟瞰图目标检测：使用节能脉冲神经网络

Sambit Mohapatra, Senthil Yogamani, Heinrich Gotzig, Patrick Mader

机构 * Valeo, Germany（德国瓦莱欧公司） ； Valeo, Ireland（爱尔兰瓦莱欧公司） ； TU Ilmenau, Germany（德国伊门豪大学） 纠错

专题命中 激光雷达 ：LiDAR(title,abstract)；BEV(abstract,abstract_cn)；autonomous driving(abstract)；driving perception(abstract)

AI总结 提出一种端到端脉冲编码器-解码器网络，用于激光雷达点云鸟瞰图表示中的目标检测，通过代理梯度反向传播训练，在KITTI基准上达到高精度，并实现3.33倍突触操作能耗降低。

Sensor2Sensor: Cross-Embodiment Sensor Conversion for Autonomous Driving

Sensor2Sensor: 自动驾驶的跨本体传感器转换

Jiahao Wang, Bo Sun, Yijing Bai, Vincent Casser, Songyou Peng, Zehao Zhu, Meng-Li Shih, Xander Masotto, Shih-Yang Su, Kanaad V Parvate, Tiancheng Ge, Linn Bieske, Dragomir Anguelov, Mingxing Tan, Chiyu Max Jiang

机构 * Waymo ； Johns Hopkins University（约翰霍普金斯大学） ； Google DeepMind（谷歌DeepMind） ； University of Washington（华盛顿大学） 纠错

专题命中 激光雷达 ：LiDAR(summary_cn,abstract)；autonomous driving(title,abstract)；分类 cs.CV

AI总结 提出Sensor2Sensor生成模型，将单目行车记录仪视频转换为多模态传感器数据（多视角相机图像和LiDAR点云），通过4D高斯泼溅重建和扩散架构解决无配对数据问题，为自动驾驶开发解锁外部数据源。

Comments Accepted by CVPR 2026

D2-V2X: Depth-Driven Cooperative V2X Reasoning for Autonomous Driving

D2-V2X: 面向自动驾驶的深度驱动协同V2X推理

Kevin Richard, Alphin Varghese, Colin Pham, David Oh, Srijan Das

机构 * University of North Carolina at Charlotte（北卡罗来纳州立大学） 纠错

专题命中 激光雷达 ：LiDAR(summary_cn,abstract)；autonomous driving(title)；分类 cs.CV

AI总结 针对单车辆视觉语言模型受传感器遮挡限制的问题，提出D2-V2X基准和基线模型，通过融合3D LiDAR特征与VLM潜空间，利用链式思维推理实现遮挡目标识别和空间估计，在识别遮挡危险和降低空间估计误差上取得显著提升。

Comments Accepted to the DriveX Workshop at CVPR 2026 (Non-archival)

ARCANE-PedSynth: Synthetic Multi-Pedestrian Datasets with Behavioural Crossing Annotations

ARCANE-PedSynth：具有行为穿越注释的合成多行人数据集

Muhammad Naveed Riaz, Maciej Wielgosz, Antonio M. López Peña

机构 * Computer Vision Center (CVC), Universitat Aut\` o noma de Barcelona (UAB), Bellaterra, Barcelona, Spain ； Institute of Electronics, Faculty of Computer Science, Electronics ； Telecommunications, AGH University of Krakow, Krak\' o w, Poland 纠错

专题命中 激光雷达 ：LiDAR(summary_cn,abstract)；autonomous driving(abstract)；分类 cs.RO

AI总结 提出基于CARLA的开源框架ARCANE-PedSynth，通过混合AI-手动控制架构和12状态行为有限状态机生成高穿越率的多行人合成数据，支持RGB、LiDAR和DVS模态及行为标注，用于自动驾驶中的行人穿越预测。

WideDepth: Millimeter-Accurate Benchmark for Fisheye Depth Estimation

WideDepth: 用于鱼眼深度估计的毫米级精度基准

Ilia Indyk, Ignat Penshin, Ivan Sosin, Maxim Monastyrny, Aleksei Valenkov, Ilya Makarov

机构 * Robotics Center（机器人中心） ； AXXX ； Trusted AI Research Center, RAS（可信人工智能研究中心，俄罗斯科学院） 纠错

专题命中 激光雷达 ：LiDAR(summary_cn,abstract)；分类 cs.RO、cs.CV

AI总结 提出首个室内鱼眼深度估计数据集WideDepth，包含101个场景的5K高分辨率立体对和毫米级真值，并引入基于LiDAR的立体鱼眼图像生成方法，评估多种模型，微调后性能提升高达62%。

Comments Accepted to IEEE International Conference on Robotics and Automation (ICRA) 2026

Elevator-LIO: Robust LiDAR-Inertial Odometry for Multi-Floor Navigation under Elevator-Induced Non-Inertial Motion

Elevator-LIO：电梯引起的非惯性运动下多层导航的鲁棒激光雷达-惯性里程计

Yifan Zhang, Yudong Huang, Yuchong Zhang, Changze Li, Haoran Liu, Ming Yang, Tong Qin

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 激光雷达 ：LiDAR(title,abstract)；分类 cs.RO

AI总结 提出Elevator-LIO框架，通过解耦状态估计模型和模式依赖的迭代误差状态卡尔曼滤波器，实现电梯内连续定位，并利用自适应体素降采样和事件触发更新抑制垂直漂移。

Comments 16 pages, 10 figures, 5 tables

Lidar Scan Registration Robust to Extreme Motions

对极端运动鲁棒的激光雷达扫描配准

Simon-Pierre Deschênes, Dominic Baril, Vladimír Kubelka, Philippe Giguère, François Pomerleau

机构 * Northern Robotics Laboratory（北方机器人实验室） 纠错

专题命中 激光雷达 ：LiDAR(title)；分类 cs.RO

AI总结 针对极端运动下点云畸变导致配准失败的问题，提出一种考虑轨迹运动不确定性和环境几何的去畸变方法，在200 m/s^2和800 rad/s^2的峰值加速度下，平移误差降低9.26%，旋转误差降低21.84%。

Comments 8 pages, 8 figures, published in 2021 18th Conference on Robots and Vision (CRV), Burnaby, Canada

Journal ref 2021 18th Conference on Robots and Vision (CRV), 2021, pp. 17-24